也许最简单的事情就是在脚本中创建列表或元组的副本。这样就避免了检查的需要。例如,

    def my_funct(params, lst = []):
        liste = lst.copy()
         . . 

也许最简单的事情就是在脚本中创建列表或元组的副本。这样就避免了检查的需要。例如,

    def my_funct(params, lst = []):
        liste = lst.copy()
         . . 

已经提供了正确的答案。我只是想给出另一种语法来写你想做的事情，当你想创建一个默认空列表的类时，我发现它更漂亮:

class Node(object):
    def __init__(self, _id, val, parents=None, children=None):
        self.id = _id
        self.val = val
        self.parents = parents if parents is not None else []
        self.children = children if children is not None else []

这段代码使用了if else操作符语法。我特别喜欢它，因为它是一个简洁的小单行，没有冒号等，读起来几乎像一个正常的英语句子。：）

在你的情况下，你可以写作

def myFunc(working_list=None):
    working_list = [] if working_list is None else working_list
    working_list.append("a")
    print working_list

我可能跑题了，但请记住，如果你只是想传递一个可变数量的参数，python的方法是传递一个元组*args或一个字典**kargs。这些是可选的，比语法myFunc([1,2,3])更好。

如果你想传递一个元组:

def myFunc(arg1, *args):
  print args
  w = []
  w += args
  print w
>>>myFunc(1, 2, 3, 4, 5, 6, 7)
(2, 3, 4, 5, 6, 7)
[2, 3, 4, 5, 6, 7]

如果你想传递一个字典:

def myFunc(arg1, **kargs):
   print kargs
>>>myFunc(1, option1=2, option2=3)
{'option2' : 2, 'option1' : 3}

在这种情况下，这并不重要，但你可以使用对象标识来测试None:

if working_list is None: working_list = []

你也可以利用python中布尔运算符or的定义:

working_list = working_list or []

但是，如果调用者给你一个空列表(算作false)作为working_list，并期望你的函数修改他给它的列表，这将出乎意料。

如果函数的目的是修改作为working_list传递的参数，请参阅HenryR的答案(=None，检查其中的None)。

但如果你不打算改变参数，只是把它作为一个列表的起点，你可以简单地复制它:

def myFunc(starting_list = []):
    starting_list = list(starting_list)
    starting_list.append("a")
    print starting_list

(或者在这个简单的情况下，只需打印starting_list + ["a"]，但我猜这只是一个玩具的例子)

一般来说，在Python中改变参数是一种糟糕的风格。唯一完全期望改变对象的函数是对象的方法。改变一个可选参数就更少见了——只在某些调用中发生的副作用真的是最好的接口吗?

如果你按照C语言中“输出参数”的习惯来做，那是完全不必要的——你总是可以以元组的形式返回多个值。 如果这样做是为了高效地构建一个长结果列表，而不需要构建中间列表，那么可以考虑将其作为生成器编写，并在调用它时使用result_list.extend(myFunc())。这样你的调用约定就会非常干净。

一种经常改变可选参数的模式是递归函数中隐藏的“memo”参数:

def depth_first_walk_graph(graph, node, _visited=None):
    if _visited is None:
        _visited = set()  # create memo once in top-level call

    if node in _visited:
        return
    _visited.add(node)
    for neighbour in graph[node]:
        depth_first_walk_graph(graph, neighbour, _visited)